Une équipe a produit une animation par IA en 1,5 semaine pour environ 15 000 roubles

Dans une vidéo générée par IA, ce n’est pas la première génération qui coûte cher, mais la dernière retouche. L’équipe du projet « Hooligans in the Club » l’a constaté en pratique : elle a produit les images fixes en moins d’une semaine pour 3 000 à 5 000 roubles, puis l’animation a demandé une semaine et demie supplémentaire et environ 15 000 roubles. Le montage, les effets 2D et le son ont ensuite nécessité près d’une semaine de travail manuel. Les remplacements finaux ont encore ajouté une à deux semaines.

Le résultat offre une analyse utile de la production hybride : ici, les réseaux neuronaux n’ont pas remplacé les artistes et les monteurs, mais ont accéléré la recherche des plans et les transitions entre les scènes clés. Blender fournissait une géométrie contrôlable, Photoshop permettait de corriger des détails sans tout régénérer, et les effets manuels reliaient les différents éléments en une vidéo cohérente.

Commencer par verrouiller l’apparence visuelle

Le travail a débuté par un moodboard dans Soul 2.0. À partir de celui-ci, l’équipe a préparé les décors, les scènes et les fiches des personnages. Certains plans ont été affinés à l’aide de Seedream 5 Pro, Nano Banana Pro et Photoshop.

Cet ordre est essentiel. Si le personnage, ses vêtements, l’environnement et la composition ne sont pas verrouillés avant l’animation, chaque modification ultérieure se répercute sur toute la chaîne : il faut refaire l’image source, régénérer le mouvement, vérifier le montage et reprendre les effets. C’est précisément ce qu’ont rencontré les auteurs du projet : les retouches finales ont demandé une à deux semaines supplémentaires, alors même que la génération principale était déjà terminée.

Pour une production, la conclusion pratique est simple : il faut valider non pas quelques belles images isolées, mais un ensemble complet de références. Celui-ci doit inclure l’apparence des personnages, les angles clés, la palette, les accessoires et plusieurs scènes de contrôle. Ce dossier sert alors de spécification à toute l’équipe.

Le brouillon teste le prompt, pas la qualité du mouvement

Pour l’animation, l’équipe a utilisé le mode brouillon de Seedance 2.5. Celui-ci générait d’abord une vidéo en 480p, ce qui permettait de tester à moindre coût l’idée et la formulation du prompt. Mais tenter de prendre un brouillon réussi et de simplement l’améliorer produisait souvent des artefacts.

Le problème ne se limitait pas aux textures peu détaillées. La faible résolution s’accompagnait d’erreurs de physique, de trajectoire des objets et de mouvement de caméra. Lors de l’amélioration ultérieure, le modèle conservait la logique même de la vidéo d’origine, y compris ses mouvements ratés. L’image devenait plus nette, mais l’erreur ne disparaissait pas.

L’équipe a donc modifié son processus : le mode brouillon a été conservé pour tester les prompts, puis les formulations retenues étaient relancées de zéro en 1080p. Cette méthode coûte plus cher qu’un simple clic sur « améliorer », mais elle réduit le risque d’obtenir une vidéo techniquement propre avec une caméra incorrecte ou une physique incohérente.

Ce processus de production nécessite donc un critère d’acceptation distinct. Dans le brouillon, il faut évaluer non pas le niveau de détail, mais la composition, la direction du mouvement, le comportement des objets, le rythme et le travail de la caméra. Si l’erreur touche l’un de ces paramètres, augmenter la résolution ne la corrigera pas.

Mieux vaut construire manuellement les scènes de contrôle

Pour les séquences complexes, l’équipe assemblait dans Blender de simples maquettes low-poly, puis les transmettait au modèle comme base visuelle. Cette structure définissait les poses et les positions relatives des objets, tandis que le modèle génératif ajoutait l’apparence et le mouvement. Cette méthode apportait davantage de contrôle dans les scènes où une description textuelle ne suffisait pas.

Quelques répliques ont été doublées avec ElevenLabs. Le montage, le son et les effets visuels 2D ont été réalisés manuellement. C’est cette combinaison qui a déterminé le résultat : l’IA a accéléré la production des éléments sources, mais la cohérence finale est restée une tâche humaine.

La principale limite de cette approche réside dans le coût élevé des décisions tardives. Les plans génératifs semblent indépendants, mais, dans la vidéo terminée, ils sont liés par les personnages, le montage, le son et les effets. Remplacer une seule scène fondamentale peut obliger plusieurs spécialistes à reprendre leur travail.

Pour l’équipe, un processus raisonnable consiste donc à valider d’abord les références visuelles, puis à tester le mouvement avec des brouillons peu coûteux, à recréer ensuite les plans finaux dans la qualité requise et à ne passer qu’après aux effets et au son. Le budget de génération reste ainsi relativement limité, mais les économies ne se concrétisent que si les retouches coûteuses sont éliminées avant le montage.